土壤作为地球表层的一种疏松物质,是一种重要自然资源,同时也是人类赖以生存的基础。随着矿产资源的不断开发和人口的快速增长,土壤这种有限的、不可再生的资源正在不断受到破坏和减少。为解决人类发展与有限土地资源之间的矛盾,精准农业便成为了解决资源退化和提高农业生产效率的重要途径。及时获取土壤属性信息能够为土壤改良、土地整治提供效果评价和方案选择,这也是精准农业实施的基础前提。高光谱遥感因其独特的高分辨率和极窄波段等优势,能够充分反映出目标物的内部成分结构,提供了一种便捷、无损的获悉目标物属性信息的检测方法,弥补了传统室内化学检测的不足,符合精准农业中的“快速”、“准确”等核心要求。为推动高光谱遥感在精准农业中的应用进程以及为卫星遥感传感器提供地物光谱特性,本文综合考虑尺度(面积大小、采样密度)和人为干预程度(一般农田和复垦农田)等因素,将对作物、光谱特性影响较大的土壤质地、有机质和含水量指标界定为土壤基础指标并作为研究对象。探究土壤基础指标的光谱吸收特性以及不同光谱维度中的特征波段与敏感区域,建立起土壤基础指标的快速反演模型,同时引入三种优化算法探究模型的优化空间和提升能力,得出如下主要结论:(1)不同尺度和人为干预程度下的土壤光谱曲线整体趋势较为一致,均在1400、1900和2200 nm出现明显的吸收峰,随着面积尺度的变小和采样密度的加密,土壤样本光谱之间的相似性逐渐增加。根据土壤基础指标的含量分级样本光谱分析,光谱反射率随着土壤颗粒的变细呈现出上升的趋势,而有机质和含水量则随着含量的增加光谱反射率呈现下降的趋势。通过连续统去除法提取土壤基础指标属性的吸收特征参数,结果显示利用多种吸收特征参数对土壤基础指标的解释度要优于单个吸收特征参数。(2)一维光谱层面中,经数学变换后的光谱曲线形态均产生了相应的改变,相比原始光谱曲线其吸收峰谷和特征位置得到凸显;结合相关系数分析,发现数学变换结合微分技术更有利于提高光谱敏感程度和揭示土壤内部细节特征。通过建模结果得出,多元散射校正一阶微分变换能够消除由土壤表面散射带来的影响,因而对土壤颗粒含量的解释效果相对较好;对数一阶微分变换放大了土壤光谱的内部细节并增强了其特征波段的敏感性,因而对土壤有机质和含水量的解释效果相对较好;但总体来说,基于一维光谱层面构建的土壤基础指标属性预测能力一般。(3)与一维光谱层面相比,二维光谱层面中的土壤基础指标属性特征波段数量与敏感区域大小明显得到大幅度提升。有无数学变换构建的土壤基础指标光谱指数相关性等势图差别较大,利用原始光谱数据构建的相关性等势图主要呈块状分布,而经数学变换构建的相关性等势图主要呈条带状分布且层次分明,更有利于寻找敏感特征组合波段。从光谱指数的建模结果来看,经数学变换构建的光谱指数模型要优于原始光谱构建的光谱指数模型,表明合适的数学变换能够增强土壤基础指标在光谱指数中的响应程度。(4)对土壤基础指标在一维和二维光谱层面中的较优模型引入连续投影算法、无信息变量消除法和竞争性自适应重加权法3种优化算法,特征波长数量得到极大压缩,简化了模型的复杂度和计算量。优化后的模型精度均有不同程度的提升,以竞争性自适应重加权法效果最为明显;其次基于不同尺度和人为干预程度下的土壤基础指标在二维光谱层面中的模型经优化后均表现出了极佳的预测能力,这也表明经光谱指数运算后能在广阔的二维空间中创造出了更多土壤基础指标的有利信息,与特征波长优化算法结合更能有效解译目标物的属性信息。图[46]表[22]参[109]